大數據視角下生鮮電商物流配送智慧化發展對策研究

時炳艷

摘 要：大數據技術對提高生鮮商品物流配送的智慧化、推動生鮮電商的發展具有重要的現實意義。本文基于大數據技術，對大數據技術和生鮮品電商智慧物流配送的內涵和特點進行分析。為提升生鮮品電商的智慧化程度，分析了配送成本高、配送效率低、配送數據非標準、信息鏈斷裂、節點選址缺乏科學性、線路優化缺乏數據等問題，提出了低成本高智慧配送、高效率配送、標準化配送作業、提升信息的使用價值、合理選擇配送節點、優化車輛路徑等對策。

關鍵詞：生鮮電商;智慧物流配送;大數據技術;信息資源共享

中圖分類號：F724.6文獻標識碼：A文章編號：1003-5168（2020）34-0009-04

Research on the Smart Development Strategy of Fresh

Food E-commerce Logistics Distribution from the Perspective of Big Data

SHI Bingyan

（School of Logistics and E-commerce， Henan University of Animal Husbandry and Economy，Zhengzhou Henan 450044）

Abstract： With the help of big data technology， it has important practical significance to improve the intelligence of raw commodity logistics and to promote the development of fresh food e-commerce. Based on big data technology， this paper analyzed the connotation and characteristics of big data technology and fresh food e-commerce smart logistics distribution. To enhance the intelligence of fresh food e-commerce，we analyzed the problems of high distribution cost， low distribution efficiency， non-standard distribution data， broken information chain， lack of scientificity in node location， lack of data for route optimization， etc. It proposed countermeasures such as low-cost and high-intelligence distribution， high-efficiency distribution， standardized distribution operations， enhancement of the use value of information， reasonable selection of distribution nodes， and optimization of vehicle routes.

Keywords： fresh food e-commerce;smart logistics distribution;big data technology;information resource sharing

隨著互聯網的發展以及人們消費習慣的升級，借助網絡買賣生鮮食品已經成為一種潮流并逐漸常態化，生鮮電商得以迅猛發展。特別是2019年年底疫情的暴發，為生鮮電商的發展帶來了新的商機和巨大的發展空間。據調查顯示，2020年春節期間，蘇寧到家業務同比增長近4倍;盒馬訂單量總體比平時增加近50%;京東生鮮的春節銷售額同比增長215%;餓了么北京外賣買菜訂單量同比增長9倍;每日優鮮平臺實收交易額較去年同期增長321%[1]，預計未來我國生鮮電商市場交易規模仍將保持高速增長態勢。但是，在生鮮品的運營過程中，產品發腐霉變、串味變質時有發生，生鮮品物流配送成本高、配送效率低、配送作業智慧化程度低等問題與生鮮品電商的發展格格不入。利用大數據，增強生鮮品物流配送的智慧性，提高生鮮品配送的精準性、科學性、標準性，是發展生鮮電商智慧物流配送的必經之路。

1 大數據技術對生鮮品物流配送智慧化的影響

1.1 大數據技術

大數據（Big Data）又稱為巨量資料，是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產，其技術主要有大數據采集技術、大數據存儲技術、大數據清洗技術、大數據處理技術、大數據預測分析技術和大數據可視化分析技術等。

因而，通過大數據技術不僅能搜集海量數據，而且能快速地對這些數據進行處理、挖掘，通過預測性分析和可視化析，為物流配送運作創造智能化條件，提供客戶偏好、客戶對物流配送的個性化需求信息，在生鮮品電商產業鏈上提供有價值的共享信息，能提高物流配送運作的智能化，提高物流企業與生產商或供應商之間活動的智慧化，提高物流配送企業與消費者間溝通交流的智慧化。

1.2 生鮮電商智慧物流配送

配送是指在經濟合理區域范圍內，根據客戶要求，對物品進行揀選、加工、包裝、分割、組配等一系列物流作業流程，并按時送達指定地點的物流活動。智慧物流配送是一種以信息技術為支撐，在物流配送的各個環節實現系統感知、全面分析、及時處理及自我調整功能，實現物流規整智慧、發現智慧、創新智慧和系統智慧的現代綜合性物流系統。

生鮮電商是生鮮產品電子商務的簡稱，指用電子商務的手段在互聯網上直接銷售生鮮類產品，如新鮮水果、蔬菜、生鮮肉類等。生鮮電商智慧物流配送可以看作是一種以現代信息技術為支撐，有效融合了物流與大數據技術的對生鮮品進行智慧配送的物流配送活動。智慧物流配送主要通過對配送活動產生的數據及生鮮產品的特性進行分析，構建生鮮配送數據中心，挖掘數據價值，發揮大數據技術對數據快速分析、處理的優勢，為生鮮電商物流配送的運行提供智能決策。

1.3 生鮮電商智慧物流配送的特點

1.3.1 物流服務個性化。客戶對物流服務的需求受其心理、所購買物品類型以及購買服務便利性等因素的影響，而這些因素促使物流配送企業朝著個性化的方向發展。目前，物流配送企業不僅需要滿足客戶的收送貨需求，而且需要提供可靠、特殊的附加服務。例如，通過物流APP，客戶可以利用定位服務查詢附近的生鮮取件網點，同時物流APP還提供包裹一鍵轉寄、服務點代收等功能，以及定時、定點、定模式的個性化服務。大數據技術的可視化分析、預測性分析等技術使得提前獲知客戶的個性化需求成為可能，也促使物流配送企業可以提供極致的個性化服務。

1.3.2 物流運作智能化。大數據結合物聯網、云計算、人工智能等技術在生鮮電商物流配送中的運用越來越廣，提升了生鮮電商物流配送的智能化水平。例如：通過智能分單系統和智能分揀設施，實現物流分撥中心的智能化分類分揀工作;通過大數據預測和大數據清洗技術，找出特殊時間內包裹量的變化規律;通過大數據分析技術，分析不同顧客的購買習慣、收貨習慣、收貨時間等信息，智能地安排快遞的配送模式和時間;通過無人機，無人駕駛汽車和機器人等先進手段實現智能分配[2]。

1.3.3 物流信息資源共享化。大數據時代，通過構建一個智慧型的物流信息平臺，利用RFID射頻技術、EDI電子數據交換技術以及物聯網、云計算等技術，實現消費者、供應商、生產商、配送企業等信息的集成、整合和優化，同時利用這些技術對整個配送過程進行實時追蹤、安全監控和管理，從而使消費者、生鮮供應商、生鮮配送企業在大數據物流平臺上能實現生鮮產品的實時配送位置、產地、產品生長周期等信息資源的共享。

2 生鮮電商智慧物流配送的瓶頸

2.1 配送成本高

生鮮農產品的易腐性決定其配送必須是全程冷鏈，生鮮農產品的多樣性又決定生鮮配送技術的復雜性和風險性，這些都將帶來高昂的配送費用。據調查顯示，我國生鮮農產品電商的物流成本占銷售價格的25%～40%，遠高于其他產品電商的物流成本，其中配送成本占整個物流成本的35%[3]。究其原因：一是很少利用大數據技術進行規模化交易去解決小批量、多批次和不定時的生鮮消費問題;二是生鮮農產品生命周期短，季節性和地域性強，沒有合理利用大數據挖掘生鮮產品在配送前端的保存方法，增加了配送過程的損耗成本;三是高破損率，生鮮農產品配送涉及包裝、裝卸、流通加工、倉儲等諸多環節，沒有對生鮮產品進行合理的數據質量管理，增加了產品的破損風險。

2.2 配送效率低

受海量數據存儲困難及有限的數據處理技術等的影響，在配送中心業務操作中，仍然以人工操作為主，如人工分揀，需要揀貨員手動掃描包裹上的條碼，再根據包裹上粘貼的快遞單信息進行生鮮揀選作業，這種方式的配送效率和揀選準確率都較低。另外，在配送過程中，因對配送到貨時間安排不合理，導致生鮮包裹無法正常簽收，需要二次配送或者需要某一方付出時間等待成本。

2.3 配送數據缺乏標準

生鮮農產品從田間到餐桌，需要經過流通加工、裝卸搬運、倉儲、運輸等較長的供應鏈，涉及的環節較多，產生的數據也較多，影響生鮮農產品質量安全的因素也較多。控制農產品質量安全，規范生鮮配送數據標準，成為生鮮電商智慧配送發展的重點。目前，生鮮農產品電商配送方面的物流標準及數據標準較多，不同企業、地區所使用的數據標準不同、依據不一。比如，不同產品的溫濕度要求、光照、冷凍冷藏時間，不同地區配送車輛的清潔程度、細菌存量范圍等標準都有所不同。

2.4 信息鏈斷裂

生鮮農產品從生產端到消費端中間各環節產生的信息構成了一條商品信息鏈條，通過信息傳遞可實現生鮮產品的溯源。但目前，生鮮配送過程中對配送車輛的在途信息、產品的溯源信息控制不足，生鮮農產品的質量安全難以保證;并且，由于信息鏈的中斷，各環節信息流通不暢，如生鮮產品的全生命周期，產品的生產日期、可保存時間、配送所需溫度和濕度等信息難以查詢，增加了生鮮電商上下游企業之間的協調難度，削弱了生鮮電商企業對市場的反應能力與競爭力。此外，由于前期對數據的重視度不夠和相關設備較為滯后，導致已采集到的歷史數據信息不足;信息的擁有或使用主體“各自為政”，共享意愿低下，形成了“信息孤島”。

2.5 節點選址缺乏科學性

生鮮農產品具有易腐易損、配送時效強等物理特性，因此，在進行配送節點選址時需要綜合考慮效率、成本、便捷性等因素，增加了選址的復雜性。此外，目前配送節點的選擇主要是人工依據人流量、待選址租賃價格的高低來進行選址操作，沒有充分考慮節點的可使用面積、節點附近的交通狀況等對配送節點的影響。同時，配送節點的選擇也沒有采用一定的模型及科學的計算方法進行計算和求證。因而，面對復雜的因素，依據經驗使用傳統的選址方法，存在較大的盲目性，導致選址不精準、不科學。

2.6 線路優化數據有限

生鮮電商消費不同于傳統消費，其覆蓋范圍廣，消費者分布也較為分散，加上復雜多變的交通環境，如天氣、道路維修、道路保養、交通事故等，使得其產生了海量數據，更重要的是數據類型繁多，加劇了數據采集的復雜性。在現實中，這些數據分散于不同的部門，部門與部門間缺乏有效的合作，數據不能互通有無，同時也未能有效使用大數據、云計算等技術，導致數據采集困難。此外，傳統的生鮮電商配送人員通常會按照習慣的路線進行配送，較少會選擇路線，即使選擇了路線，在運營過程中也缺乏相應的系統、裝置搜集數據。

3 提升生鮮電商物流配送智慧化的對策

3.1 利用大數據處理技術和可視化分析技術，低成本高智慧配送

一是利用大數據處理技術、物聯網技術等對生鮮配送資源進行整合，促進生鮮農產品電商配送規模化，適應“多品種、小批量、多批次、短周期”生鮮配送特點，形成規模效應，降低整體物流成本。

二是運用大數據處理技術與大數據分析技術，對訂單信息與消費者分布情況進行分析，以便更為智能地安排配送流程、作業時序和人力需求，達到簡化作業流程的目的。

三是對不同品類的生鮮產品進行可視化分析，與可監測溫度的RFID技術相結合，設定適宜的溫度范圍并進行實時監測，當監測到的溫度數據超過設置的閾值時，立即發出警告，以降低生鮮產品的損耗。

四是，建設具備保溫、冷凍等多種功能的生鮮智能柜，將智能柜與溫感RFID技術聯合應用，實時監測智能冷凍柜的溫度，降低生鮮農產品在最后配送過程的損耗成本。

3.2 利用大數據處理和預測性分析技術，提高配送效率

一是根據消費者的可接收包裹時間，利用大數據預測性分析能力，對已有車輛的行駛路徑、行駛時間進行統計分析，對配送作業時間的范圍進行預測，提高生鮮包裹的送達率，減少因二次配送導致的低效率問題的出現。

二是根據歷史數據和實時增量數據，通過數據挖掘算法得出配送司機工作的表現模型和預測模型，預測司機的駕駛時間，合理進行排班輪休，提高配送人員工作效率，并降低相關安全風險的發生。

三是積極地向生鮮配送企業宣傳大數據的優勢與便捷之處，促進生鮮配送的智慧化程度，引進智能分撥技術，提高配送中心的作業效率。

3.3 利用大數據采集、清洗和可視化分析技術，標準化配送作業

數據標準化首先需要采集不同城市的與配送作業相關的數據，然后利用大數據清洗技術，將采集到的數據進行清洗，之后利用大數據可視化分析技術，將各類數據標準通過圖表等樣式呈現出來，最后界定生鮮配送作業的數據標準范圍。當然，在生鮮農產品配送過程中，除了大數據的運用外，還要結合現代農業物聯網技術、RFID溫度傳感定位系統、傳感器及物聯網集成技術，建立以生鮮農產品條碼數據庫為核心的生鮮產品數據追溯平臺，并鏈接到國家、地方和企業的新鮮農產品質量標準數據庫，測試數據庫和其他相關數據標準資源，以便在生鮮配送過程中對生鮮產品進行標準測試和標準化作業監督。

3.4 利用大數據采集、存儲和清洗技術，提升信息的使用價值

將生鮮電商平臺信息化，整理前期有價值的數據，并及時采集、存儲數據，再通過數據清洗技術有效地處理配送過程中產生的數據，以便為決策提供數據支持。當然，最主要的是建設一條完整的信息鏈，將配送的各個環節連接起來，與物流服務體系對接，便于消費者實時查詢物流信息，也便于滿足配送企業遠程指揮調度、遠程數據采集等方面的信息化需求，做到生鮮配送可視化、可溯源。另外，建立信息平臺，有利于合理利用人力資源，緩解人力資源緊張問題，如疫情期間推行的“共享員工”，通過共享，既促進了復產復工，也解決了相關配送企業人力不足的問題。

3.5 利用大數據采集、清洗和處理技術，合理選擇配送節點

對于節點的選址問題，不僅要考慮該節點自身的便利，而且要考慮各節點的布局是否可以使整個配送體系效率最高和效益最優。為了實現效益最優，首先需要利用大數據采集技術對相關因素產生的數據進行采集，然后利用大數據清洗技術對收集到的數據進行處理，以保證數據的準確性，之后利用大數據處理技術創建數據模型，最后定義模型的最佳參數，得到合適的配送節點選址。選址首要的是篩選各種因素，然后確定權重，考慮各因素的等級系數，最后根據等級系數和權重得出最優值，如表1所示。

3.6 利用大數據采集、處理和預測性分析技術，優化車輛路徑

信息的互聯互通是大數據時代主要的發展方向。生鮮配送企業要積極與相關企業進行聯系，建立互聯互通的信息共享合作模式，做好配送線路的數據采集工作，如通過公共數據云采集配送線路的天氣狀況，借助RFID定位系統進行實時定位數據的采集，借助交通大數據采集交通環境產生的數據，然后對這些數據進行處理，之后利用分析技術，細分城市交通每一段路徑的具體情況，如分析一天中路段的車輛通過時間和通過率、道路的擁堵情況和發生交通事故的概率等基礎交通信息。再根據車輛配送動態模型和隨機車輛路徑規劃的理論，利用數據處理和預測性分析技術，在充分考慮各配送任務時間窗的約束下，快速生成合理的配送路徑，使配送路線和時間最合適。

參考文獻：

[1]喜崇彬.疫情后零售企業的物流變革思考[J].物流技術與應用，2020（3）：94-96.

[2]崔海龍，羅錦鎮.青島市生鮮電商配送存在的問題及對策研究[J].現代商貿工業，2019（33）：45-46.

[3]許美賢，鄭琰.大數據技術在物流企業中的應用：以京東企業為例[J].電子商務，2019（5）：55-56.